🔭 astrophysics

Determination of the best dark matter profile for the Milky Way with Gaia DR3 using Bayesian Model Comparison

Gaia DR3 डेटा और बेयसियन मॉडल तुलना का उपयोग करते हुए, यह अध्ययन पाता है कि आइनास्टो (Einasto) डार्क मैटर प्रोफाइल, NFW प्रोफाइल और MOND की तुलना में मिल्की वे के रोटेशन कर्व के लिए एक बेहतर फिट प्रदान करता है, जबकि कोई भी एकल बेरयोनिक मॉडल निर्णायक रूप से समर्थित नहीं है।

मूल लेखक: Aryan Singh, Shantanu Desai

प्रकाशित 2026-05-19

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Aryan Singh, Shantanu Desai

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि मिल्की वे (आकाशगंगा) एक विशाल, घूमता हुआ ब्रह्मांडीय हिंडोला (carousel) है। दशकों से, खगोलशास्त्री यह समझने की कोशिश कर रहे हैं कि इस हिंडोले के बाहरी किनारों पर स्थित तारे वास्तव में कितनी तेजी से घूम रहे हैं। भौतिकी के उन नियमों के अनुसार जो हमने स्कूल में सीखे थे (न्यूटन के नियम), यदि आप हिंडोले पर मौजूद दृश्य सामग्री (तारे, गैस, धूल) की मात्रा जानते हैं, तो आप सटीक भविष्यवाणी कर पाने में सक्षम होने चाहिए कि बाहरी तारे कितनी तेजी से घूमना चाहिए।

लेकिन यहाँ एक रहस्य है: बाहरी तारे दृश्य सामग्री की तुलना में कहीं अधिक तेजी से घूम रहे हैं। यह बिल्कुल वैसा ही है जैसे एक झूला (merry-go-round) के किनारे पर बैठा कोई बच्चा इतनी तेजी से घूम रहा हो कि, यदि उसे किसी विशाल अदृश्य हाथ ने थाम रखा होता, तो वह अंतरिक्ष में उड़ जाता।

यही "अदृश्य हाथ" जिसे वैज्ञानिक डार्क मैटर (Dark Matter) कहते हैं। लेकिन यह अदृश्य हाथ किस आकार का है? क्या यह एक धुंधला बादल है? एक घना केंद्र है? या एक तीखा स्पाइक (नुकीला उभार) है?

यह शोध पत्र इस अदृश्य हाथ के लिए सबसे अच्छी "रेसिपी" खोजने के लिए एक विशाल "स्वाद परीक्षण" (Taste Test) या "वास्तविकता की जाँच" (Reality Check) की तरह है, जिसमें हमारे पास उपलब्ध सबसे सटीक डेटा का उपयोग किया गया है—जो कि गाइया सैटेलाइट (Gaia satellite) से प्राप्त हुआ है (एक अंतरिक्ष दूरबीन जो अरबों तारों की स्थिति और गति का मानचित्र बनाती है)।

सेटअप: प्रतियोगी

लेखकों ने आकाशगंगा के घुमाव को समझाने के लिए तीन मुख्य श्रेणियों के "प्रतियोगियों" के साथ एक प्रतियोगिता आयोजित की:

बेरियोनिक मॉडल (द विज़िबल स्टफ - दृश्य सामग्री): ये दृश्य तारों, धूल और गैस के वजन की गणना करने के विभिन्न तरीके हैं। इन्हें हिंडोले पर सवार यात्रियों को तौलने के तीन अलग-अलग तरीकों के रूप में समझें।
डार्क मैटर मॉडल (द इनविजिबल हैंड - अदृश्य हाथ): उन्होंने अदृश्य डार्क मैटर के लिए सात अलग-अलग आकारों का परीक्षण किया।
- NFW: "मानक मॉडल" (Standard Model)। यह केंद्र में एक तीखे, नुकीले स्पाइक की तरह है जो बहुत जल्दी पतला होता जाता है।
- आइनास्टो (Einasto): एक अधिक चिकना, अधिक गोल वक्र। एक तीखे स्पाइक के बजाय एक सौम्य पहाड़ी की कल्पना करें।
- बर्कर्ट और बीटा (Burkert & Beta): "कोर्ड" (Cored) मॉडल। ये केंद्र में एक सपाट पठार की तरह हैं, न कि एक स्पाइक की तरह।
- अन्य: अन्य विभिन्न गणितीय आकार (Isothermal, gNFW, Hernquist)।
MOND ( "नो इनविजिबल हैंड" विकल्प): यह एक क्रांतिकारी विचार है जो सुझाव देता है कि शायद हमें अदृश्य पदार्थ की आवश्यकता ही नहीं है, बल्कि शायद कम गति पर हमारे गुरुत्वाकर्षण के नियम थोड़े त्रुटिपूर्ण हैं। उन्होंने गुरुत्वाकर्षण के नियमों को "ठीक" करने के तीन अलग-अलग तरीकों का परीक्षण किया।

विधि: द बेयसियन स्कोरकार्ड (The Bayesian Scorecard)

उन्होंने विजेता का निर्णय कैसे किया? उन्होंने केवल अनुमान नहीं लगाया। उन्होंने बेयसियन मॉडल तुलना (Bayesian Model Comparison) नामक एक सांख्यिकीय उपकरण का उपयोग किया।

इसे एक टैलेंट शो के जज की तरह समझें। जज डेटा (तारों की वास्तविक गति) को देखता है और पूछता है: "यदि मैं यह मान लूँ कि यह विशिष्ट मॉडल सत्य है, तो इस बात की कितनी संभावना है कि मुझे वह डेटा दिखाई देगा जिसे मैं देख रहा हूँ?"

यदि कोई मॉडल डेटा के साथ पूरी तरह फिट बैठता है, तो उसे उच्च स्कोर मिलता है।
यदि कोई मॉडल खराब फिट है, तो उसे कम स्कोर मिलता है।
उन्होंने प्रत्येक मॉडल की तुलना "मानक मॉडल" (NFW डार्क मैटर) से की। यदि कोई नया मॉडल मानक से 100 गुना बेहतर स्कोर करता था, तो उसे निर्णायक विजेता घोषित किया गया।

परिणाम: कौन जीता?

1. चिकनी पहाड़ी की जीत (आइनास्टो प्रोफाइल - Einasto Profile)
सबसे बड़ा विजेता आइनास्टो प्रोफाइल था। लगभग हर परीक्षण में, यह "चिकनी पहाड़ी" वाला आकार "तीखे स्पाइक" (NFW) वाले आकार की तुलना में डेटा के साथ बेहतर फिट बैठा।

रूपक (Metaphor): कल्पना कीजिए कि आप हाथ के आकार के अनुसार दस्ताना फिट करने की कोशिश कर रहे हैं। NFW मॉडल एक ऐसे दस्ताने की तरह था जिसका अंगूठा सख्त और नुकीला था जो हाथ के घुमाव से मेल नहीं खा रहा था। आइनास्टो मॉडल एक नरम, लचीला दस्ताना था जिसने हाथ को पूरी तरह से जकड़ लिया।
"कोर" की खोज: परिणाम बताते हैं कि मिल्की वे के डार्क मैटर का केंद्र एक तीखा स्पाइक ("कस्प") नहीं है, बल्कि एक नरम, अधिक सपाट क्षेत्र ("कोर") है। यह "कोर-कस्प" (Core-Cusp) समस्या के लिए अच्छी खबर है, जो खगोल विज्ञान में एक लंबे समय से चली आ रही सिरदर्द रही है।

2. "कोई अदृश्य हाथ नहीं" वाला विकल्प हार गया (MOND)
वे मॉडल जिन्होंने बिना डार्क मैटर के घूमने की व्याख्या करने की कोशिश की (MOND), वे बहुत खराब प्रदर्शन कर गए।

रूपक: यह समझाने की कोशिश करने जैसा था कि कार की गति क्यों बढ़ रही है—यह कहकर कि "इंजन खराब है", जबकि वास्तव में कार को एक विशाल अदृश्य ट्रक द्वारा धकेला जा रहा है। MOND मॉडल डेटा से मेल नहीं खा सके; उन्होंने भविष्यवाणी की कि तारे हमेशा एक स्थिर गति से घूमते रहेंगे, लेकिन डेटा ने दिखाया कि तारे वास्तव में बाहरी किनारों पर धीमे होने लगते हैं।

3. दृश्य भार (Baryons) में टाई (Tie) रही
जब उन्होंने दृश्य तारों को तौलने के तीन अलग-अलग तरीकों की तुलना की, तो कोई भी एक विधि निर्णायक रूप से नहीं जीती।

रूपक: यह तीन अलग-अलग रसोइयों द्वारा अलग-अलग तराजू का उपयोग करके आटे की बोरी तौलने जैसा है। उन सभी को थोड़े अलग नंबर मिले, लेकिन उनमें से कोई भी इतना स्पष्ट रूप से "गलत" नहीं था कि उन्हें अन्य तरीकों को छोड़कर खारिज किया जा सके। डेटा दृश्य पदार्थ को चुनने के लिए पर्याप्त सटीक नहीं था।

निष्कर्ष

यह शोध पत्र निष्कर्ष निकालता है कि यदि आप नवीनतम गाइया डेटा का उपयोग करके मिल्की वे के रोटेशन कर्व का वर्णन करना चाहते हैं, तो आइनास्टो प्रोफाइल हमारे पास उपलब्ध डार्क मैटर का सबसे अच्छा विवरण है। यह सुझाव देता है कि डार्क मैटर "कोर्ड" (केंद्र में सपाट) है, न कि "कस्पी" (नुकीला)।

हालाँकि, लेखक सावधानी बरतते हुए कहते हैं कि उनके द्वारा उपयोग किया गया सारा डेटा एक ही सैटेलाइट (गाइया) से आता है, इसलिए उनमें माप की त्रुटियां होने की संभावना है। वे यह भी जोर देते हैं कि हालांकि उन्होंने डार्क मैटर के लिए सबसे अच्छा आकार खोज लिया है, फिर भी वे दृश्य पदार्थ (तारे/गैस) की सटीक मात्रा के बारे में 100% निश्चित नहीं हो सकते क्योंकि डेटा दोनों को पूरी तरह से अलग करने के लिए पर्याप्त सटीक नहीं है।

संक्षेप में: हमारी आकाशगंगा को थामे रखने वाला अदृश्य हाथ एक तीखे स्पाइक के बजाय एक चिकनी, सौम्य पहाड़ी की तरह दिखता है, और यह विचार कि हमें डार्क मैटर की आवश्यकता ही नहीं है, नए डेटा के सामने टिक नहीं पाता है।

तकनीकी सारांश: बेयसियन मॉडल तुलना का उपयोग करके गैया DR3 के साथ मिल्की वे के लिए सर्वश्रेष्ठ डार्क मैटर प्रोफाइल का निर्धारण

समस्या विवरण
स्पाइरल आकाशगंगाओं (मिल्की वे सहित) के रोटेशन कर्व्स (RCs) में ऐसी वेग (velocities) दिखाई देती हैं जिन्हें केवल दृश्य बेरियोनिक पदार्थ (visible baryonic matter) द्वारा स्पष्ट नहीं किया जा सकता है, जो ऐतिहासिक रूप से "लुप्त द्रव्यमान" (missing mass) या डार्क मैटर (DM) के कारण होने वाली विसंगति मानी जाती है। जबकि कोल्ड डार्क मैटर (CDM) प्रतिमान मानक ब्रह्मांडीय मॉडल है, यह गैलेक्टिक स्तरों पर निरंतर चुनौतियों का सामना करता है, जैसे कि कोर-कस्प समस्या (core-cusp problem) और मिसिंग सैटेलाइट समस्या। इसके विपरीत, मॉडिफाइड न्यूटोनियन डायनेमिक्स (MOND) कम त्वरण वाले क्षेत्रों में गुरुत्वाकर्षण को संशोधित करके एक वैकल्पिक दृष्टिकोण प्रदान करता है, लेकिन इसे डार्क मैटर के बिना कुछ गैलेक्टिक गतिकी की व्याख्या करने में कठिनाइयों का सामना करना पड़ा है।

हाल ही के गैया उपग्रह (विशेष रूप से डेटा रिलीज़ 3, DR3) के उच्च-परिशुद्धता डेटा ने मिल्की वे के रोटेशन कर्व के पुनर्निर्माण को अभूतपूर्व सटीकता के साथ सक्षम बनाया है, जो लगभग 20 kpc के बाद रेडियस पर घूर्णी वेग (rotational velocity) में गिरावट को प्रकट करता है। हालांकि, नए प्रेक्षणों के लिए सबसे उपयुक्त पैरामेट्रिक डार्क मैटर हेलो डेंसिटी प्रोफाइल का स्वरूप क्या होना चाहिए, इस पर अनिश्चितताएं बनी हुई हैं। इस अध्ययन का उद्देश्य यह कठोरता से निर्धारित करना है कि कौन सा डार्क मैटर मॉडल, विभिन्न बेरियोनिक मास डिस्ट्रीब्यूशन के साथ मिलकर, मिल्की वे के रोटेशन कर्व का सबसे सांख्यिकीय रूप से सुदृढ़ विवरण प्रदान करता है।

कार्यप्रणाली (Methodology)
लेखक गैया DR3 से प्राप्त मिल्की वे रोटेशन कर्व के चार अलग-अलग संकलनों के विरुद्ध प्रतिस्पर्धी गतिशील मॉडलों के सापेक्ष साक्ष्य का मूल्यांकन करने के लिए एक बेयसियन मॉडल तुलना ढांचे का उपयोग करते हैं:

डेटासेट: चार डेटासेट (D1–D4) जो $r \approx 5$ kpc से $r \approx 30$ kpc तक फैले हुए हैं, जिनमें विभिन्न ट्रेसर्स (OB तारे, रेड जायंट ब्रांच तारे) और दूरी एवं वेग अनुमान के लिए विभिन्न पद्धतियों (जैसे APOGEE, LAMOST, 2MASS) का उपयोग किया गया है।
बेरियोनिक मॉडल: दृश्य पदार्थ के वितरण (बल्ज और डिस्क) के लिए तीन अलग-अलग मॉडल:
- B0: बल्ज के लिए हर्नक्विस्ट पोटेंशियल (Hernquist potential); एक बहु-घटक एक्सपोनेंशियल थिन डिस्क (तारे, धूल, गैस)।
- B1: बल्ज के लिए प्लमर पोटेंशियल (Plummer potential); पतली और मोटी डिस्क के लिए मियामोटो-नागाई पोटेंशियल।
- B2: बल्ज के लिए हर्नक्विस्ट पोटेंशियल; डिस्क घटकों के लिए डबल-एक्सपोनेंशियल डेंसिटी प्रोफाइल।
डार्क मैटर और वैकल्पिक मॉडल: सात डार्क मैटर डेंसिटी प्रोफाइल और तीन MOND इंटरपोलेटिंग फंक्शन:
- DM प्रोफाइल्स: NFW (कस्पी/cuspy), आइसोथर्मल, बर्कर्ट (Burkert), gNFW (सामान्यीकृत NFW), $\beta$ -प्रोफाइल, हर्नक्विस्ट, और आइनास्टो (Einasto)।
- MOND: स्टैंडर्ड, सिंपल, और रेडियल एक्सीलरेशन रिलेशन (RAR) इंटरपोलेटिंग फंक्शन, जिनका परीक्षण $a_0$ को एक फ्री पैरामीटर के रूप में और एक निश्चित मान ( $1.2 \times 10^{-10} \, \text{m/s}^2$ ) के रूप में किया गया है।
सांख्यिकीय विश्लेषण: अध्ययन dynesty पैकेज (डायनेमिक नेस्टेड सैंपलिंग के माध्यम से) का उपयोग करके प्रत्येक मॉडल संयोजन के लिए बेयसियन एविडेंस ( $Z$ ) की गणना करता है। एक विशिष्ट बेरियोनिक मॉडल के साथ NFW प्रोफाइल वाले शून्य परिकल्पना (null hypothesis) के सापेक्ष बेयज़ फैक्टर ( $B_{21}$ ) की गणना की जाती है। साक्ष्य की सार्थकता की व्याख्या करने के लिए जेफ्रीज़ स्केल (Jeffreys' scale) का उपयोग किया जाता है।

प्रमुख योगदान और परिणाम

आइनास्टो प्रोफाइल के लिए प्राथमिकता: अधिकांश डेटासेट और बेरियोनिक मॉडल संयोजनों में, आइनास्टो प्रोफाइल (Einasto profile) पसंदीदा फेनोमेनोलॉजिकल फिट के रूप में उभरता है। यह सभी बेरियोनिक मॉडलों के लिए और D3 तथा D4 के लिए डेटासेट्स पर निर्णायक बेयज़ फैक्टर्स ( $>100$ ) प्रदान करता है, और अधिकांश मामलों में D1 और D2 के लिए भी। सर्वोत्तम-फिट आइनास्टो इंडेक्स ( $\alpha$ ) लगातार धनात्मक है, जो एक 'कस्पी' (cuspy) वितरण के बजाय 'कोर्ड' (cored) वितरण के करीब होने का सुझाव देता है।
कोर्ड बनाम कस्पी हेलो (Cored vs. Cuspy Halos): विश्लेषण से पता चलता है कि कस्पी NFW प्रोफाइल की तुलना में कोर्ड डार्क मैटर प्रोफाइल (बर्कर्ट, $\beta$ , और आइनास्टो) को आम तौर पर प्राथमिकता दी जाती है। विशेष रूप से, बर्कर्ट और $\beta$ प्रोफाइल D2 और D3 के लिए मजबूत साक्ष्य ( $B > 100$ ) दिखाते हैं।
gNFW और हर्नक्विस्ट का प्रदर्शन: जनरलाइज्ड NFW (gNFW) प्रोफाइल, NFW की तुलना में D2 और D3 के लिए निर्णायक रूप से पसंदीदा है, लेकिन D1 और D4 के लिए इसका प्रदर्शन खराब है। हर्नक्विस्ट प्रोफाइल भी सभी डेटासेट्स में NFW की तुलना में प्राथमिकता दिखाता है।
MOND को खारिज किया गया: विचाराधीन कार्यान्वयनों के भीतर, MOND मॉडल पसंदीदा डार्क मैटर प्रोफाइल्स की तुलना में काफी खराब फिट प्रदान करते हैं। मानक MOND प्रतिमान (निश्चित $a_0$ ) को दृढ़ता से खारिज कर दिया गया है, विशेष रूप से इसलिए क्योंकि इंटरपोलेटिंग फंक्शन बड़े रेडियस पर स्थिर वेग की भविष्यवाणी करते हैं, जो गैया-आधारित रोटेशन कर्व्स में देखी गई घटती प्रवृत्ति के विपरीत है। भले ही $a_0$ को एक फ्री पैरामीटर के रूप में माना जाए, बेयज़ फैक्टर्स डार्क मैटर मॉडलों की तुलना में नगण्य रहते हैं।
बेरियोनिक मॉडल अनिश्चितता (Baryonic Model Indeterminacy): कोई भी एकल बेरियोनिक मॉडल (B0, B1, या B2) दूसरे पर निर्णायक रूप से हावी नहीं है। बेरियोनिक मॉडलों की तुलना करने वाले बेयज़ फैक्टर्स (B0 + आइनास्टो संयोजन को संदर्भ के रूप में उपयोग करते हुए) आम तौर पर कम ( $<10$ ) हैं, जो यह संकेत देते हैं कि वर्तमान रोटेशन कर्व डेटा विशिष्ट बेरियोनिक पोटेंशियल के चयन को मजबूती से सीमित नहीं करता है।

महत्व और दावे
यह शोध दावा करता है कि अपनाए गए मॉडलिंग ढांचे के भीतर और नवीनतम गैया DR3-आधारित रोटेशन कर्व डेटासेट्स का उपयोग करते हुए, आइनास्टो प्रोफाइल मिल्की वे के डार्क मैटर हेलो के लिए सबसे सुदृढ़ फेनोमेनोलॉजिकल विवरण प्रदान करता है। यह निष्कर्ष अधिकांश डेटासेट और बेरियोनिक मॉडल संयोजनों में बना रहता है।

लेखक इस बात पर जोर देते हैं कि उनके परिणाम हालिया कॉस्मोलॉजिकल सिमुलेशन (जैसे FIRE-2) और अन्य अवलोकनात्मक अध्ययनों के अनुरूप हैं जो मिल्की वे हेलो में डार्क मैटर कोर या आइनास्टो-जैसे प्रोफाइल की उपस्थिति का सुझाव देते हैं। वे नोट करते हैं कि हालांकि आइनास्टो प्रोफाइल को प्राथमिकता दी गई है, लेकिन डेटा बर्कर्ट या $\beta$ जैसे अन्य कोर्ड प्रोफाइल्स को निर्णायक रूप से खारिज नहीं करता है। इसके अलावा, अध्ययन इस बात पर प्रकाश डालता है कि उपयोग किए गए चारों डेटासेट पूरी तरह से स्वतंत्र नहीं हैं, क्योंकि वे गैया DR3 में निहित सामान्य व्यवस्थित अनिश्चितताओं (जैसे पैरालेक्स ज़ीरो-पॉइंट ऑफसेट्स) को साझा करते हैं।

लेखक विनम्रतापूर्वक निष्कर्ष निकालते हैं कि हालांकि उनका विश्लेषण मानक NFW और MOND विकल्पों की तुलना में विशिष्ट डार्क मैटर प्रोफाइल्स का पक्ष लेता है, लेकिन डिस्क मास और हेलो मापदंडों के लिए प्रायर (prior) विकल्पों के प्रति परिणामों की संवेदनशीलता का परीक्षण किया गया था और इसे सुदृढ़ पाया गया। वे सुझाव देते हैं कि डार्क मैटर की प्रकृति के बारे में भविष्य के अंतर्दृष्टि के लिए संभवतः वेरा रुबिन LSST, स्क्वेयर किलोमीटर एरे (SKA) और अगली पीढ़ी के टेलीस्कोप जैसे आगामी सुविधाओं के डेटा की आवश्यकता होगी।

सेटअप: प्रतियोगी

विधि: द बेयसियन स्कोरकार्ड (The Bayesian Scorecard)

परिणाम: कौन जीता?

निष्कर्ष

इसी तरह के और पेपर